Lecturas de Economía

ISSN: 0120-2596
lecturas@udea.edu.co
Universidad de Antioquia
Colombia

Puerta, Andrés; Laniado, Henry

Diseño de estrategias óptimas para la selección de portafolios, un análisis de la ponderación inversa
al riesgo (PIR)
Lecturas de Economía, núm. 73, julio-diciembre, 2010, pp. 243-273
Universidad de Antioquia
.png, Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=155220095010

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Diseño de estrategias óptimas para la selección de
portafolios, un análisis de la ponderación inversa
al riesgo (PIR)

Andrés Puerta y Henry Laniado

Lecturas de Economía - No. 73. Medellín, julio-diciembre 2010

Lecturas de Economía, 73 (julio-diciembre 2010), pp. 243-273

Andrés Puerta y Henry Laniado

Diseño de estrategias óptimas para la selección de portafolios, un análisis de la
ponderación inversa al riesgo (PIR)
Resumen: El objetivo del artículo es determinar el comportamiento de la estrategia de
selección de portafolios que asigna una ponderación a cada activo inversamente proporcional
al riesgo individual del mismo (PIR) y compararla con las estrategias clásicas de media-
varianza (M-V), mínima varianza (MINVAR) y estrategia equiponderada (1/N). Para ello
se realizan estimaciones out of sample y se dan condiciones bajo las cuales la PIR conduce a
ponderaciones menos riesgosas que la estrategia 1/N para el mercado de valores de Colombia.
Como conclusión, se encuentra evidencia del mejor desempeño de la PIR con respecto a las
estrategias clásicas en términos de los indicadores de rentabilidad, riesgo, ratio de Sharpe,
Turnover (costos) y Turnover (estabilidad).
Palabras claves: Portafolios de inversión, títulos, rentabilidad, riesgo, Ponderación inversa
al riesgo. Clasificación JEL: Q560; R52.

Optimal Strategy Design for Portfolio Selection: an Inverse Risk Weighting Analysis
Abstract: This article analyzes the behavior of the portfolio selection strategy that assigns to
each asset a weight inversely proportional to individual risk (PIR) in comparison with the
classical mean-variance (MV), minimum variance (MINVAR) and 1/N strategies. In doing so
and applied to the Colombian stock market, this study performs out-of-sample estimates and
provides conditions under which PIR weights lead to less riskier strategies than the 1/N strategy.
In conclusion, the evidence suggests that the PIR strategy outperforms classical strategies in terms
of profitability indicators, risk, Sharpe ratio, Turnover (cost) and Turnover (stability).
Keywords: Investment portfolios, securities, profitability, risk, inverse risk weighting. JEL
Classification: Q560; R52.

Stratégies optimales pour la sélection de portefeuilles : une analyse de la pondération

inverse du risque (PIR)
Résumé : L’objectif de l’article est de déterminer le comportement de la stratégie de sélection de
portefeuilles selon laquelle chaque actif reçoit une pondération inversement proportionnelle du
risque (PIR). Celle-ci est ensuite comparée avec les stratégies classiques : moyenne-variance (M-
V), variance minimale (MINVAR) et stratégie équipondérée (1/N). Pour ce faire, nous faisons
des estimations du type out of sample en se donnant les conditions sous lesquelles la PIR conduit
à des pondérations moins risquées que la stratégie (1/N). On trouve pour le marché financier
colombien que la meilleure performance de la PIR est associée aux stratégies classiques en ce
qui concerne les indicateurs de rentabilité, le risque, le rapport de Sharpe, Turnover (coûts) et
Turnover (stabilité).
Mots clé : Portfolios investissement, titres, rentabilité, risque, pondération inverse du risque.
Classification JEL : Q560; R52.
 Lecturas de Economía, 73 (julio-diciembre), pp. 243-273 © Universidad de Antioquia, 2010

Diseño de estrategias óptimas para la selección de portafolios,

un análisis de la ponderación inversa al riesgo (PIR)

Andrés Puerta y Henry Laniado*

–Introducción. –I. Marco teórico. –II. Marco metodológico. –III. Resultados.

Conclusiones. –Anexos. –Bibliografía.

Primera versión recibida en agosto de 2010; versión final aceptada en diciembre de 2010

Introducción
La selección adecuada de una inversión se constituye en el mundo de las
finanzas como una estrategia de administración eficiente que relaciona varios
factores claves. Es claro que dentro de la serie de elementos a tener en cuenta, el
nivel de riesgo asumido por un inversionista (grado de aversión), la determinación
de las alternativas en los títulos y sus respectivas ponderaciones, se destacan como
las variables más relevantes. Sin embargo, para la colocación de una inversión
más segura, es necesario tener en cuenta variables adicionales como el riesgo de
mercado, el grado de liquidez de los activos, así como la situación económica del
sector donde se realizará la operación
En el mundo actual, la inserción de agentes particulares y de empresas en
las actividades bursátiles es cada vez más recurrente y obedece a la búsqueda de
mayores rentabilidades y necesidades de capitalización respectivamente1. De
acuerdo con la Bolsa de Valores de Colombia (BVC), entre junio del 2007 y
abril del 2009 el número de inversionistas pasó de 105 a 1.139. Por este motivo,
conocer el desempeño de las técnicas actuales para la selección de portafolios

* Andrés Felipe Puerta Molina: Economista Universidad de Antioquia, Candidato Msc en economía
Universidad de Antioquia, calle 67 53-108, oficina 112. Dirección electrónica: andresfelipe.
puerta@gmail.com. Henry Laniado Rodas: Matemático Universidad de Antioquia, Candidato
Ph.D en Estadística Universidad Carlos III Madrid, Avenida de la Universidad 30 municipio
Leganés Provincia Madrid. Dirección electrónica: hlaniado@est-sssecon.uc3m.es.
1 Con base al marco regulatorio colombiano, la incorporación de agentes nacionales y extranjeros
a las actividades bursátiles no es restringido, exigiendo además de esto, un trato homogéneo
entre ambas partes.
Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

puede ser realmente útil en la tarea de diseñar instrumentos más eficientes y

nuevas alternativas con alto grado de aplicabilidad.
Desde los años 50 han surgido numerosas investigaciones con la intención
de cuantificar el riesgo de inversión, resultando importantes avances teóricos en
la construcción de medidas de riesgo para la selección adecuada de portafolios y
donde se destacan trabajos como los de Markowitz (1952), Konno y Yamazaki
(1991), June et al. (1998) y Artzner (1998), éste último introduciendo la axiomática
de coherencia. Sin embargo, su pertinencia y aplicación al caso colombiano ha
sido más limitada, debiéndose en buena parte al hecho de que las técnicas que
permiten diseñar sistemas internos de medición no gozan de un nivel suficiente
de implementación, dado que las valoraciones de riegos son cuantificadas a través
VaR (Value at Risk-cuantil alpha de la distribución de pérdidas) implementado
por el Banco de la República, el cual presenta diversos problemas, entre ellos:
inestabilidad numérica2 (en especial para distribuciones de pérdidas no normales
y de cola pesada), no tiene en cuenta la magnitud de las pérdidas que lo superan,
no cumple las condiciones de una medida de riesgo coherente, según Artzner et
al. (1998), y no es una medida de riesgo convexa, dificultando procedimientos
para su optimización.
Por esta razón, la varianza continúa siendo la opción más frecuente para la
medición del riesgo en el problema de optimización de portafolios. Sin embargo,
para resolver el problema en la práctica es necesario estimar la covarianza de las
rentabilidades de los activos, donde tradicionalmente la versión muestral de la
matriz de covarianzas ha sido usada para este propósito. No obstante, las políticas
desarrolladas utilizando la matriz de covarianzas muestral, son extremadamente
inestables debido al error de estimación, generando ponderaciones que tienen
alta fluctuación en cada rebalance del portafolio. En Jagannathan y Ma (2003), se
reduce el error de estimación al incorporar sobre las ponderaciones, restricciones
de no negatividad (shortsale constraints). Sin embargo, en DeMiguel et al.
(2009a) se demuestra que incluso con restricciones de ésta naturaleza sobre las
ponderaciones; el error de estimación en la matriz de covarianzas sigue siendo
significativo y por lo tanto un inversor puede preferir, en términos del radio de
Sharpe, estabilidad y costos de transacción, la estrategia equiponderada.
Dados estos percances y fundamentándose en la necesidad que tienen los
inversores y las instituciones financieras del país den contar con herramientas

2 La existencia de inestabilidad numérica magnífica cualquier error de procedimiento a la hora

de realizar los cálculos.

246
 247

que les permitan la identificación, medición y monitoreo de los riesgos a los que
están expuestos, se propone en este artículo una metodología para la selección de
portafolios, novedosa y menos compleja en su implementación que las estrategias
clásicas media varianza (M-V) y mínima varianza (MINVAR), ya que no considera
el proceso de optimización ni estimación de la matriz de covarianzas. La estrategia
propuesta, es evaluada en su rendimiento con portafolios compuestos por acciones
de la Bolsa de Valores de Colombia. Para este propósito se utiliza la metodología
rolling horizon discutida en DeMiguel y Nogales (2009). Los resultados son
comparados con las estrategias clásicas (M-V), (MINVAR) y (1/N) en términos
de rentabilidad media, ratio de Sharpe, riesgo del portafolio, estabilidad de las
ponderaciones y costos de transacción.
El resto del artículo es estructurado de la siguiente forma. En la primera
sección, se realiza una revisión del marco teórico, donde se incluye la información
preliminar, así como el estado actual. La segunda sección muestra la construcción
del marco metodológico donde se planteará la concepción formal de cada una de
las metodologías de comparación y se introduce formalmente la estrategia que
se propone en el artículo. Además, se explicará el funcionamiento del proceso
de evaluación así como los criterios con base a los cuales se define la selección
de portafolios. En la tercera parte, se presentarán los resultados de cada uno de
los modelos utilizados, mientras que en la cuarta y última parte se presentan las
conclusiones finales.

I. Marco teórico

A. Preliminares
El estudio pionero sobre selección de portafolios desarrollado por Markowitz
(1952) sentó las bases del análisis. En su modelo utiliza conceptos que han sido
un gran avance teórico y cuya utilidad esta fuera de toda duda. El primer pilar de
su teoría es la relación entre el riesgo y las variables estadísticas, cuya medición
es posible, específicamente la varianza histórica de la rentabilidad. Su propuesta
argumenta que los inversores demandan un retorno mayor para inversiones
más riesgosas.
Posteriormente Tobin (1958) y realizando una extensión del modelo de
Markowitz, asume que los inversores pueden realizar prestamos bajo la misma tasa
de interés. Llegando a la conclusión de que todos los agentes pueden seleccionar
el mismo portafolio a pesar de que su actitud hacia el riesgo sea diferente. Por lo
tanto, el trabajo del inversionista consiste en encontrar el punto de tangencia de

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

la frontera eficiente, que define el mejor portafolio en términos de rentabilidad

para un nivel de riesgo dado y ajustar el balance entre riesgo y retorno esperado;
siendo posible que dicho balance requiera inyección extra de efectivo y en los
casos de iliquidez se justifique la adquisición de deuda.
Las ideas de Markowitz (1952) y las de Tobin (1958) fueron fundamentales
para que Sharpe (1964) desarrollara las bases del modelo de equilibrio de activos
financieros, conocido como CAPM por sus siglas en ingles (Capital Asset Pricing
Model). El objetivo del modelo es cuantificar e interpretar la relación que existe
entre el riesgo y el rendimiento, y a través de esta relación lineal establecer el
equilibrio de los mercados financieros. Como todo modelo económico el CAPM
basa su pertinencia en supuestos más o menos restrictivos, que le han permitido
conocer conclusiones universalmente aceptadas.

B. Estado actual
Los aportes al modelo de selección de portafolios realizados por Markowitz,
Tobin y Sharpe, fundaron las bases para el análisis de este tipo de problemas e
incluso fueron los causantes de que años más tarde ganaran el Premio Nobel de
Economía por sus contribuciones3. Así pues, dado el éxito de estos tres autores
después de la década de 1990, se desata una corriente de trabajos sobre el área
financiera e incluso, siendo más precisos, sobre la selección óptima de portafolios
de inversión así como de técnicas para la medición del riesgo.
Dentro de las técnicas modernas para la determinación del riesgo se destaca
el trabajo de Artzner et al. (1998), donde se plantea una serie de axiomas
deseables que una medida de riesgo debería tener y bajo las cuales se definen los
conjuntos de aceptación eficientes para un portafolio de inversión. Inicialmente
Artzner et al. (1998) define el riesgo como una variable aleatoria que fluctúa de
acuerdo a la variabilidad del valor futuro de una posición para sus diferentes
estados de la naturaleza. De acuerdo con su análisis, los axiomas que definen
una medida coherente de riesgo son: invarianza ante translaciones, subaditividad,
homogeneidad positiva y monotonicidad4. Tres años más tarde al exitoso trabajo

3 James Tobin recibe el Premio Nobel en 1981 por su análisis de los mercados financieros y
sus relaciones con las decisiones de gasto, empleo producción y precios, mientras que Harry
Markowitz y William Sharpe lo ganan en 1990 por sus trabajos pioneros en la teoría de la
economía financiera.
4 Para una mejor comprensión de los axiomas revisar: Coherent Measures of Risk. Artzner et al.
(1998).

248
 249

de Artzner, Follmer y Shied (2002) relajan la subaditividad e imponen convexidad

como una propiedad deseable para el proceso de optimización.
Konno y Annista (1999) proponen un modelo de optimización a través de la
desviación de la media absoluta, donde por medio de un esquema computacional
se generan soluciones para la selección óptima del portafolio, bajo la existencia de
costos de transacción cóncavos5. Como es bien sabido, la existencia de costos de
transacción no convexos dificulta enormemente la selección óptima de la estrategia
de inversión. Sin embargo, la estructura no convexa de bajo rango planteada por
el autor, permite encontrar soluciones de manera eficiente, solucionando así este
inconveniente.
Dada la dificultad de los modelos tradicionales para trabajar con un número
elevado de acciones, Cai et al. (2000) propusieron una medida más conservadora
conocida como el minimax. Bajo esta alternativa, se plantea una clara relación entre
los retornos esperados de los activos y su importancia en el portafolio óptimo.
Para la ejecución adecuada del proceso se deben seguir dos pasos. Inicialmente
se rankean los títulos individuales en términos de sus retornos esperados, para
luego calcular las propiedades de acuerdo con la información contenida en el
ranking. La regla del ranking consiste en diferencias entre los retornos esperados
que permiten ver más claramente como la composición del portafolio varía.
A diferencia de los modelos convencionales el minimax no permite el sistema
de ventas en corto plazo, y más importante aún, la selección óptima del portafolio
no considera las correlaciones entre las acciones. El criterio formal de selección se
define inicialmente tomando como referencia los retornos históricos, para luego
asignar un peso a las inversiones de acuerdo a su volatilidad. De esta manera,
bajo esta estrategia de inversión una acción puede ser eliminada si su retorno es
muy bajo o si el riesgo es muy elevado. Además, al aplicar esta metodología se
garantiza la minimización de la máxima desviación absoluta. La estrategia que se
introduce en este artículo conserva una filosofía similar al minimax, al ignorar
las correlaciones y al asignar las ponderaciones de acuerdo a una medida de riesgo
univariante sobre los activos individuales.

5 Una función de costos es cóncava cuando el costo de transacción asociado a un título adicional
es creciente, de hecho para el caso de un portafolio conformado por muchos títulos, los costos
de transacción se tornan constantes y por ende la función se define como convexa.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Fundamentándose en la relación existente entre la prima de riesgo y

la volatilidad diaria del índice general de la Bolsa de Madrid, García (2001),
construye un modelo de volatilidad de la forma M-GARCH, de acuerdo con
el cual se concluye que la dependencia positiva entre la variación de la prima de
riesgo con el índice general de la bolsa, ha compensado de una manera adecuada
a los inversores en el período 1990-2001. Análogamente, Beck (2001) tomando
como referencia el concepto de expectativas racionales de Muth (1961)6, aplica un
modelo M-GARCH entre el nivel de precios y su variabilidad, encontrando que
para el mercado de los commodities la variabilidad esperada del precio esperado
no juega un rol importante, es decir, no hay evidencia de que la varianza futura
tenga un efecto significativo sobre el nivel de precios.
Un método menos tradicional pero igual de atractivo para la selección de
portafolios es el desarrollado por Zhang et al. (2008) por medio de la teoría de
la posibilidad. Su metodología consiste en sustituir los conceptos de media y
varianza probabilística utilizados por Markowitz, por el de media y varianza
posibilística que provienen de un conjunto de números difusos. De acuerdo con
los resultados obtenidos, esta técnica genera un escenario más favorable para la
selección de inversiones eficientes ante situaciones de incertidumbre, contando
además con gran potencia para el caso de un número elevado de títulos.
Finalmente y tomando en cuenta el caso colombiano, Becerra y Melo
(2008) presentan un modelo de medición del riesgo por medio de funciones
de distribución multivariadas conocidas como cópulas, las cuales, de manera
general, describen el comportamiento conjunto de las variables aleatorias a través
de sus comportamientos marginales, es decir, las cópulas explican la estructura
de dependencia entre las variables. El gran reconocimiento de las cópulas en el
campo financiero es debido al hecho de que su estructura de funcionamiento
permite asignar de una manera correcta los riesgos asociados a la estrategia de
inversión e incluso permiten segmentar el tipo de riesgo, al catalogarlo como
riesgo financiero o riesgo de crédito.

II. Marco metodológico

Las diferentes estrategias de inversión, han dado paso a la consolidación de una
serie de modelos que buscan definir la mejor combinación posible de títulos, con el
fin de garantizar la elección adecuada del portafolio de inversión. En esta sección,

6 De acuerdo con el concepto de Muth el cambio en el precio esperado modifica el nivel de

precios ante agentes aversos.

250
 251

se describe la estructura conceptual de tres estrategias clásicas M-V, MINVAR y

(1/N). Por último, se presenta el principal aporte de este trabajo de investigación;
se introduce una estrategia novedosa y de fácil implementación que consiste
en asignar una ponderación a cada activo que sea inversamente proporcional
al riesgo individual del mismo (PIR). Esta última estrategia es comparada con
las clásicas descritas previamente. Particularmente con la equiponderada. Con
el fin de comprender adecuadamente el problema en cuestión, se introducen a
continuación algunos conceptos.

A. Optimización de portafolios
La propuesta de optimización de portafolios discutida en Markowitz (1952)
está entre los más importantes modelos para la selección de portafolios. La filosofía
detrás del modelo de Markowitz, es que los agentes deciden las ponderaciones de
inversión para cada activo con base en la relación entre el retorno esperado y el
riesgo. Desde este punto de vista, los portafolios elegidos deben pertenecer a la
frontera eficiente la cual es caracterizada por el conjunto de portafolios óptimos
de Pareto. Este conjunto de portafolios óptimos, habitualmente es representado
en el plano donde los ejes x, y representan el riesgo deseado y la rentabilidad
respectivamente. Ver gráfico 1.

Gráfico 1. Frontera eficiente

Fuente: Bolsa de Valores de Colombia, cálculos de los autores.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

1. Estrategia Media-Varianza (M-V)

De acuerdo con la estrategia de la M-V, ­el grado óptimo de diversificación de
una cartera se logra seleccionando títulos cuyas oscilaciones no sean paralelas, de
esta manera y de acuerdo con la ecuación (1) y (2), es factible minimizar el riesgo
de selección al solucionar el problema de optimización.

(1)

(2)
Donde w es el vector de ponderaciones, es la media muestral de la
rentabilidad del portafolio, w es la varianza muestral de la rentabilidad del
portafolio, y γ es el j parámetro de aversión al riesgo. Para diferentes valores del
parámetro γ se tienen diferentes portafolios M-V sobre la frontera eficiente. En
la restricción y . Estas restricciones garantizan que las
ponderaciones wi obtenidas, cubran exactamente el capital inicial que se pretende
invertir. Σ^ es la matriz de covarianzas muestral de las rentabilidades de los N
activos y puede ser calculada como (ver ecuación 3).

(3)

Donde es el vector de rentabilidades de los activos en el tiempo t, T es
el tamaño muestral, y .

2. Estrategia Mínima Varianza (MINVAR)

El portafolio MINVAR equivale el portafolio M-V de la expresión (1)
cuando el parámetro de aversión al riesgo tiende a infinito y, por lo tanto, puede
ser calculado resolviendo el siguiente problema de optimización.
w (4)
(5)
Con base en las ecuaciones (4) y (5), para implementar esta política sólo se
utiliza la estimación de la matriz de varianzas y covarianzas de las rentabilidades,
no se tiene en cuenta la estimación de las rentabilidades esperadas; con lo cual,
las ponderaciones óptimas de esta estrategia son más estables y fluctúan menos
en cada rebalanceo, respecto a las ponderaciones calculadas con la política M-V.
Por esta razón, investigadores se han centrado recientemente en el portafolio

252
 253

de mínima varianza, que depende solamente de la estimación de la matriz de

varianzas y covarianzas, y por lo tanto, no es tan sensible al error de estimación.
(Jagannathan et al., 2003).
3. Estrategia equiponderada (1/N)
La estrategia 1/N sugiere que se asigne la misma proporción de capital a
cada uno de los N activos en cada rebalance del portafolio. Esta estrategia es fácil
de implementar debido a que no requiere de estimación de los momentos de
los retornos y tampoco de procesos de optimización, ignorando los datos por
completo. Esta metodología de inversión ha tenido éxito, ya que la tendencia de
los individuos es tener políticas de inversión sencillas DeMiguel et al. (2009a).
Además favorece la inercia de los inversores a hacer movimientos en cada
rebalance que conducen a costos de transacción muy bajos. En DeMiguel et al.
(2009b) se presentan las ventajas de implementar la política equiponderada. Müller
y Stoyan (2002) dan condiciones bajo las cuales la estrategia equiponderada es una
estrategia óptima.

B. Una nueva estrategia de selección de portafolios

En esta sección se presenta una propuesta novedosa para la selección de
portafolios. La estrategia desarrollada tiene la ventaja de ser simple y de fácil
implementación computacional. Se dan las condiciones bajo las cuales la
nueva estrategia es óptima y las condiciones bajo las cuales mejora la estrategia
equiponderada. Se advierte que la política equiponderada no siempre es la
óptima, sin embargo, ésta es considerada un buen punto de referencia a la hora
de comparar las inversiones por el conjunto de características que se encuentran
asociadas a su comportamiento.
Dentro del conjunto de características asociadas a la estrategia equiponderada
se destacan: a) A pesar de los avances en el diseño de nuevas técnicas de selección
de portafolios, es utilizada comúnmente DeMiguel et al. (2009b); b) no requiere
el cumplimento de las condiciones de momentos; y c) No se encuentra asociada a
ningún proceso de optimización.
Definición 1 (Ponderación Inversa al riesgo —PIR—): Sea {X1, X2, ..., Xn}
variables aleatorias que representan rentabilidades de N activos. La estrategia
de ponderación inversa al riesgo (PIR) asigna a cada activo una ponderación
dada por:

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

(6)

Donde  es una medida de riesgo positiva univariante.
En la siguiente proposición se muestra que si las rentabilidades siguen una
misma ley de probabilidad, la estrategia de la PIR sugiere asignar la misma
ponderación para cada activo.
Proposición 1: Si las rentabilidades {X1, X2, ..., Xn} son idénticamente
distribuidas, entonces la estrategia PIR es equivalente a la estrategia N1 .
Proposición 2: Si las rentabilidades {X1, X2, ..., Xn} son intercambiables7,
entonces la estrategia PIR es la estrategia óptima para la MINVAR.
En el gráfico 2 se presenta el conjunto de portafolios factibles conformado
por 4 empresas colombianas (Banco de Bogotá, Bancolombia, Cementos
Argos y Cartón de Colombia). Los datos son rentabilidades diarias desde el
28 de noviembre de 2007 hasta 31 de marzo de 2010. Los puntos resaltados
son portafolios cuyas ponderaciones son obtenidas con base en el modelo de
ponderación inversa al riesgo, cuando el riesgo individual es calculado a través la
varianza8, y el Value at Risk con  = 0,99. También se calcula el portafolio con
la estrategia equiponderada. Hay evidencia empírica, de acuerdo a los resultados,
de que los portafolios con la estrategia PIR mejoran el desempeño de la estrategia
equiponderada en el sentido de tener menor riesgo.
Un concepto que juega un rol importante en economía y en la teoría de
decisión de bajo riesgo, es la noción de comonotonía introducido por Yaari
(1987), según el cual existe una situación de dependencia perfecta y positiva entre
variables aleatorias. En el contexto de riesgo, la comonotonía es considerada la
situación de mayor peligrosidad. De manera formal, la comonotonía se introduce
en la siguiente definición.
Definición 2: Sea {X1, X2, ..., Xn} variables aleatorias. Se dice que {X1, X2, ..., Xn}
son mutuamente comonótonos si existe una variable aleatoria Z y funciones no
decrecientes f1, ..., fN de valor real, tal que.

7 La distribución conjunta es invariante ante permutaciones de las variables. (Müller y Stoyan,

2002). Caso especial variables independientes e idénticamente distribuidas.
8 La medida de riesgo univariante utilizada “” es la varianza.

254
 255

(7)
Donde ≡ d significa igualdad en distribución.

Gráfico 2: Simulación de portafolios factibles

Fuente: Bolsa de Valores de Colombia, cálculos de los autores.

La distribución conjunta de variables aleatorias comonótonas es conocida

como la cota superior de Fréchet y viene dada por
(8)
Donde Fi (x) i = 1, ..., N son las distribuciones marginales.
Una medida de riesgo  es llamada comonótona si es aditiva en presencia de
riesgos comonótonos (ver Föllmer y Schied, 2004), esto es
(9)
Donde X1,..., XN son variables aleatorias.
Del Lema 4.77 de Föllmer y Schied (2004), si la medida de riesgo univariante
 es comonótona, entonces  es positivamente homogénea. Esto significa que.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Para todo >0 (10)

La estrategia PIR desarrollada en este artículo ofrece ponderaciones que
conducen a una inversión menos riesgosa que la estrategia equiponderada, cuando
las variables que representan las rentabilidades de los N activos son comonótonas
y la medida de riesgo univariante  es una medida de riesgo comonótona. Este
resultado es formalizado en el siguiente teorema.
Teorema 1: Sea X1,..., XN variables aleatorias comonótonas y sea  una medida
de riesgo comonótona. Entonces el riesgo de la inversión con la estrategia PIR es
menor que el riesgo de la inversión con la estrategia equiponderada.
El Valor en Riesgo, o en inglés Value at Risk (VaR), es la medida más popular
de riesgo; esta medida es simplemente el quantil a de la distribución de pérdidas.
Sin embargo, ha sido fuertemente criticada por su inestabilidad numérica y por
no cumplir las condiciones de riesgo coherente en el sentido de Artzner et al.
(1998). Tampoco es una medida de riesgo convexa según Föllmer y Schied (2004),
por lo que no es fácil de optimizar. Por tal motivo, el (VaR) no es una medida
atractiva como medición del riesgo, cuando de selección de portafolios óptimos
se trata. Es por ello que lo habitual en optimización de portafolios es medir el
riesgo a través de la varianza.
El Lema 4.84. de Föllmer y Schied (2004) garantiza que la medida de riesgo
Value at Risk (VaR) es una medida de riesgo comonótona y del Teorema 1 se
tiene que las ponderaciones obtenidas por la estrategia PIR, desarrollada en este
artículo, ofrece una alternativa de diversificación con riesgo menor a la estrategia
equiponderada de uso frecuente entre los inversionistas. Además, la estrategia
PIR es de fácil implementación, ya que solo depende del cálculo de los VaR
marginales y tiene la ventaja de ser obtenida sin procesos de optimización.
En el gráfico 3 se ilustran las rentabilidades y el riesgo medido a través
del VaR para el caso de 10.000 ponderaciones factibles de tres variables aleatorias.
Las variables aleatorias son comonótonas y han sido simuladas de acuerdo
a la Definición 2, siendo Z una variable aleatoria uniforme en el intervalo
y . Hay clara evidencia que el porta­
folio obtenido con la estrategia PIR siendo en (6)  = VaR de nivel a = 0,95,
tiene menor riesgo que el portafolio obtenido mediante la estrategia equi­-
pon­derada .

256
 257

Gráfico 3. Portafolios con variables comonótonas

Fuente: Bolsa de Valores de Colombia, cálculos de los autores.

El hecho de que trabajos pioneros para la selección de portafolios, como el de

Markowitz (1952) y Sharpe (1964), hayan utilizado la varianza como medida para
la determinación del riesgo; se presenta en este artículo como un resultado que
garantiza que las ponderaciones obtenidas a través de la estrategia PIR generan
un portafolio de menor riesgo que la estrategia equiponderada cuando la medida
de riesgo  es la varianza9. La idea anterior es formalizada en el siguiente teorema.
Teorema 2: Sea X, Y variables aleatorias con varianza finita y
respectivamente. Sea la covarianza. Entonces la varianza de la inversión
con la estrategia PIR es menor que la varianza de la inversión con la estrategia
equiponderada.

C. Metodología de estimación
Las técnicas de selección de portafolios son estimadas por medio de la
metodología Out of sample, es decir, por medio de un esquema recursivo se
generan pronósticos de las variables objetivo en el período T + 1.

9 A pesar de que el portafolio obtenido con la PIR genera un menor riesgo, vale la pena resaltar
que para este nuevo nivel de riesgo se encuentra asociada una menor rentabilidad.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Para implementar esta técnica, inicialmente se divide la muestra total de T

observaciones en porciones in sample y out of sample, donde las observaciones in
sample abarcarán los primeros R10 datos de la muestra y las out of sample serán las
T-R observaciones restantes. De esta manera para el tamaño muestral se realiza
un proceso de rolling horizon, que consiste en estimar inicialmente la matriz
de covarianzas, así como la media muestral para las primeras R observaciones.
Posteriormente, se calculan los parámetros del modelo de la M-V así como
de la MINVAR, con una ventana de estimación de un período (es decir t = 1).
La ventana de estimación implica que por cada valor calculado se realice una
liberación de la última observación. De esta manera, el proceso se repite durante
T-R ocasiones, hasta llegar al final de la serie de tiempo. Con esta metodología se
garantiza el cálculo de T-R veces los parámetros del modelo (véase DeMiguel y
Nogales, 2009).

D. Metodología para evaluar el comportamiento

Con el fin de hacerle un seguimiento a cada una de las metodologías para la
selección de estrategias de inversión, así como del benchmark por medio de la
metodología out of sample, se observará el desempeño a través rolling regression
para las variables: retorno, riesgo, ratio de Sharpe, Turnover (estabilidad) y
Turnover (costos), sin embargo, previamente es importante definir la concepción
teórica de cada variable.
El retorno se referirá al incremento porcentual respecto al valor inicial,
asociado a las acciones que conforman el portafolio de inversión. El riesgo está
asociado con el nivel de volatilidad, es decir, la capacidad de variabilidad asociada
a los títulos, generalmente el volumen de volatilidad se define por la desviación
estándar de los retornos. La ratio de Sharpe por su parte, se define como la
pendiente de la recta del mercado de capitales respecto a la frontera eficiente en el
punto óptimo y hace alusión a la media muestral de los excesos de retorno out of
sample, divididos por la desviación estándar11.
El Turnover de estabilidad, explica la dinámica constante de los pesos
asignados en cada rebalance, así si este valor es pequeño querrá decir que la
asignación de pesos en cada activo período a período es estable. De esta manera

10 Para este trabajo R equivale a la mitad del tamaño muestral.

11 La ratio de Sharpe utilizada es con intercepto cero, es decir, la tangencia entre la recta del
mercado de capitales y la frontera eficiente pasa por el punto (0,0).

258
 259

al examinar la estrategia equiponderada, se observará que el Turnover de

estabilidad es siempre cero, debido al hecho de que esta estrategia mantiene
constante los pesos asignados en cada opción. Con el fin de brindarle credibilidad
al inversor, es recomendable tener Turnover de estabilidad muy bajos, ya que
este indicador da la señal de que se debe invertir en los mismos activos cada
vez que se rebalancea la cartera. Matemáticamente, el Turnover (estabilidad) se
representa por la expresión:
(11)

Donde wj,t es la ponderación del portafolio en el activo j en el período t y t
es la ventana de estimación.
Finalmente, el Turnover de costos, está asociado a los costos de transacción,
es decir, en cada rebalance hay que vender o comprar acciones de acuerdo a los
pesos que asignó el modelo. Este proceso de compra y venta genera unos costos
de transacción que se verán reflejados en el Turnover (costos), el cual es de la
forma:
(12)

En el Turnover (costo) es la ponderación del portafolio antes del
rebalanceo, pero en t + 1 y es la ponderación deseada en t + 1 después del
rebalanceo.
El desempeño de las variables descritas previamente aplicadas a las diferentes
metodologías, permitirá construir una serie de portafolios eficientes en términos
de las necesidades de liquidez, así como del grado de aversión al riesgo, presentado
por cada inversionista.

III. Resultados
Para la realización del proceso de selección de portafolios, se utilizaron
las rentabilidades diarias de las principales acciones de la Bolsa de Valores de
Colombia. Sin embargo, dado que el período de emisión de los títulos no es el
mismo, se determinarán varios portafolios con el fin de tener en cuenta el mayor
número de observaciones posibles.
Todo ejercicio de selección de inversiones debe estar acompañado de
una metodología de referencia, es decir, un punto que sirva de base a la hora

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

de determinar el comportamiento de las inversiones que se realizan. De esta

manera el benchmark a utilizar será la estrategia equiponderada, la cual a pesar
de su fácil implementación posee una serie de ventajas, que fueron descritas
previamente.
Complementario al benchmark a utilizar, es importante definir un conjunto
de variables adicionales a la hora de comparar diferentes estrategias de inversión.
Así dentro del conjunto de elementos a tener en cuenta, debe asignársele una
atención particular al número de títulos que conforman el portafolio (N), la
ventana de estimación para entrenar el algoritmo (M) y el nivel de aversión al
riesgo del agente representativo. Inicialmente, a medida que aumenta el número
de títulos, tiende a mejorar el desempeño del algoritmo de estimación. La
ventana de estimación por su parte, cuando se define de manera adecuada, genera
estimaciones consistentes, mientras que el nivel de aversión al riesgo permite
clasificar a los agentes en perfiles particulares de inversión.
La Bolsa de Valores de Colombia se encuentra conformada por 86 acciones12,
razón por la cual se deben definir mecanismos adecuados en pro de seleccionar
los títulos que representen de una mejor forma la dinámica del mercado. De esta
manera, y con base en el índice de bursatilidad13, se seleccionarán los títulos más
representativos y a partir de estos se conformarán los portafolios de inversión.
Adicionalmente, se presenta información sobre los períodos de emisión de las
acciones con el fin de caracterizar el tiempo que estas han transado en el mercado.
De acuerdo con la Bolsa de Valores de Colombia, dentro del grupo de acciones
con mayor índice de capitalización bursátil se destacan (véase tabla 1).

A. Resultados por portafolio

Inicialmente se analizará un portafolio conformado por 22 acciones de la
Bolsa de Valores de Colombia, el cual está conformado por 203 datos de carácter
diario. La información es obtenida desde el primero de junio del 2009 hasta el 31
de marzo del 2010. Los resultados del algoritmo de estimación se pueden ver en
la tabla 2:

12 Se toman las acciones que presentan índice de capitalización bursátil significativo.

13 Cabe anotar que adicional al índice de bursatilidad, también es importante definir como
criterio para la definición de los títulos el registro histórico de las acciones más negociadas.

260
 261

Tabla 1. Capitalización bursátil de las empresas más representativas

Capitalización % Por %
EMISOR Período de análisis
Bursátil empresa acumulado
Ecopetrol S.A. 109.275.783,99 35,13% 35,13% 28/11/2007-31/03/2010
Bancolombia S.A. 18.513.934,57 5,95% 41,08% 03/01/2001-31/03/2010
Interconexión eléctrica S.A. E.S.P. 14.089.662,82 4,53% 45,61% 02/01/2003-31/03/2010
Grupo Inversiones Suramericana 13.827.218,42 4,44% 50,05% 01/06/2009-31/03/2010
Cementos Argos S.A. 12.944.796,76 4,16% 54,21% 28/11/2007-31/03/2010
Grupo Aval 12.661.135,95 4,07% 58,28% 03/01/2001-31/03/2010
Inversiones Argos S.A. 12.391.680,00 3,98% 62,26% 02/01/2003-31/03/2010
Empresa de Energía de Bogotá
S.A. E.S.P 10.952.059,48 3,52% 65,78% 28/11/2007-31/03/2010
Pacific Rubiales Energy Corp 10.926.919,21 3,51% 69,29% 23/12/2009*
Almacenes Éxito S.A. 10.331.140,17 3,32% 72,61% 03/01/2001-31/03/2010
Banco de Bogotá S.A. 9.243.314,77 2,97% 75,58% 03/01/2001-31/03/2010
Grupo Nal. de Chocolates S.A. 9.120.187,68 2,93% 78,51% 02/01/2003-31/03/2010
Isagen S.A. E.S.P 5.874.685,16 1,89% 80,40% 28/11/2007-31/03/2010
Compañía Colombiana de
Inversiones S.A. 4.360.682,07 1,40% 81,80% 02/01/2003-31/03/2010
Resto de compañías 56.612.378,94 18,20% 100,00% -

Nota: *Dado que Pacific Rubiales Energy Corp sólo entró a la bolsa desde diciembre del 2009, no
tiene el número de observaciones mínimas para realizarle el análisis.
Fuente: Bolsa de Valores de Colombia (BVC). Datos en millones de pesos.

Tabla 2. Resultados simulación para el portafolio óptimo.

Modelo 203 datos diarios

Criterio MINVAR M-V PIR 1/N (Benchmark)

Retorno 0,1345 2,0805 0,1457 0,1465
Riesgo 1,6654 13,0119 0,891 0,5455
Sharpe Ratio 0,0807 0,1599 0,1635 0,2686
Turnover (estabilidad) 0,1219 33,6648 0,0344 0
Turnover (Costos) 0,724 267,6755 0,4359 0,4214

Fuente: Cálculos propios.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

La estrategia 1/N parece ser la más atractiva por el hecho de poseer el menor
riesgo con un valor de 0,5455, una ratio de Sharpe de 0,2686, un Turnover
(estabilidad) de 0 y un Turnover (costo) de 0,4214. El nivel de retorno más
elevado es presentado a su vez por la estrategia de la M-V, la cual análogamente se
encuentra asociada a los mayores niveles de riesgo, como de costos de transacción
entre períodos.
Una manera de solucionar los altos costos de transacción asociados a la
estrategia M-V es implementar alternativas como 1/N, PIR o MINVAR, de hecho
analizando el desempeño de la PIR se puede observar que en términos del retorno
y el Turnover (costos) tiene un comportamiento muy similar al presentado por la
estrategia equiponderada.
Adicionalmente, respecto al modelo de selección de 203 observaciones, se
puede evidenciar que el desempeño de las estrategias que implican calcular la
matriz de varianzas y covarianzas (MINVAR, M-V), salvo en el nivel de retorno,
son inferiores al presentado por la PIR y la estrategia 1/N.
Finalmente, de acuerdo con los análisis iniciales, el desempeño de la PIR es
positivo en términos de todos los criterios de selección, aunque es superada por
la estrategia 1/N. Un ejercicio interesante consiste en ampliar el horizonte de
estimación con el fin de realizar un seguimiento a cada una de las alternativas
propuestas, así como del benchmarking. En este sentido, se analizará el caso de
564 observaciones definidas desde el 28 de noviembre del 2007 hasta el 31 de
marzo del 2010. El número de títulos en este caso se reducen a 21 y los resultados
por medio de la estrategia out of sample para el portafolio total son de la forma.

Tabla 3. Resultados simulación para el portafolio óptimo.

Modelo 564 datos diarios

Criterio  MINVAR M-V PIR 1/N (Benchmark)

Retorno 0,1123 -1,4412 0,16 0,1757
Riesgo 0,801 78,7038 0,663 0,7659
Sharpe Ratio 0,1402 -0,0183 0,2474 0,2295
Turnover (estabilidad) 0,0449 56,4227 0,0085 0
Turnover (Costos) 0,0001 1,2409 0,0000 0,0001

Fuente: Cálculos propios.

262
 263

Con base en este nuevo razonamiento, se observa que la estrategia

equiponderada alcanza el mayor nivel de rentabilidad con 0,1757, mientras
que la PIR es la opción menos volátil y con mayor ratio de Sharpe 0,663 y
0,2474 respectivamente. Al igual que en el caso anterior, el mayor volumen de
negociación se encuentra asociado a la estrategia de la M-V, hecho que ratifica el
mayor Turnover (costos) con un valor de 1,240.
De otra manera, analizando el comportamiento de las alternativas respecto
al benchmarking se obtiene la conclusión de que la estrategia de MINVAR,
así como la M-V se ven totalmente superadas, mientras que la PIR tiene un
comportamiento muy similar al de la estrategia equiponderada. Respecto a los
Turnover, el benchmarking presenta una dinámica de rebalanceo muy estable,
asociado a costos de transacción casi nulos, comportamiento que es similar en
la estrategia de PIR y al de la MINVAR. No obstante, para el caso de la M-V
se encuentra nuevamente evidencia de mayor nivel de rebalanceo (56,4227) así
como elevados costos de transacción (1,240).
Como observación adicional, cabe resaltar que la estrategia equiponderada
al incrementar el número de observaciones se convierte en la alternativa más
rentable, siendo de esta manera consistente con las bases teóricas planteadas
previamente, de acuerdo con las cuales entre mayor sea el número de títulos
(N) mayor será el poder de diversificación asociado a la estrategia. Finalmente,
la técnica de la PIR respondió satisfactoriamente al incremento del número
de observaciones, y respecto al análisis inicial de 203 observaciones mejoró en
términos de todos los indicadores.
De acuerdo con la lógica desarrollada hasta el momento, a continuación
se analizará el portafolio compuesto por 1.756 observaciones cuyo período se
define entre el 2 de enero del 2003 hasta el 31 de marzo del 2010. Este portafolio
está conformado por 15 acciones y los resultados en términos de las variables
referencia se presentan en la siguiente tabla:

Tabla 4. Resultados simulación para el portafolio óptimo. Modelo 1756 datos diarios
Criterio MINVAR M-V PIR 1/N (Benchmark)
Retorno 0,0392 0,0268 0,0551 0,0546
Riesgo 1,0212 2,164 1,0799 1,1893
Sharpe Ratio 0,0384 0,0124 0,051 0,0459
Turnover (estabilidad) 0,0109 0,197 0,0021 0
Turnover (Costos) 0,9452 5,583 0,7235 0,8163
Fuente: Cálculos propios.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Al incrementar nuevamente el tamaño de la muestra, se observa que el

retorno más elevado es obtenido por la técnica de la PIR (0,0551), seguido muy de
cerca por la estrategia equiponderada (0,0546). El riesgo por su parte es reducido
considerablemente bajo la MINVAR (1,0212) y la mayor ratio de Sharpe, siendo
consecuente con el retorno, también se presenta por la PIR (0,051).
En términos de Turnover (estabilidad), la PIR nuevamente genera unos
niveles de rebalanceo casi nulos (0,0021), mientras que la M-V presenta el valor
más elevado (0,197). En términos del Turnover (Costos) la PIR presenta el índice
más bajo con 0,7235 frente a 5,583 presentados en la M-V.
En términos del benchmarking, es importante resaltar el buen desempeño
adquirido por la estrategia de la PIR frente a la estrategia equiponderada. De
hecho, salvo en el Turnover (estabilidad) donde su valor es prácticamente cero,
esta estrategia supera en todos los criterios al benchmark del modelo. La MINVAR
y la M-V por su parte presentan un pobre desempeño respecto al benchmark, ya
que salvo por el nivel de riesgo asumido por la mínima varianza, estas técnicas
son superadas en todos los aspectos.
Cabe resaltar en este punto, que la estrategia de la PIR se ha consolidado como
referencia alternativa, ya que además de su fácil implementación, a medida que
se eleva el número de observaciones, su desempeño entre las otras técnicas ha
mejorado paulatinamente. Además, es interesante observar como a través de esta
alternativa se combina alta rentabilidad y ratio de Sharpe con bajos niveles de riesgo.
El último análisis se encuentra desarrollado para un portafolio de 2.221
observaciones, definidas desde el 3 de enero del 2001, hasta el 31 de marzo del
2010. En este caso se podrá observar un total de nueve acciones y los resultados
del proceso de simulación se presentan en la tabla 5.

Tabla 5. Resultados simulación para el portafolio óptimo. Modelo 2221 datos diarios

Criterio MINVAR M-V PIR 1/N (Benchmark)

Retorno 0,0774 0,0311 0,0792 0,094
Riesgo 1,2806 1,4094 1,3901 1,5571
Sharpe Ratio 0,0604 0,0221 0,057 0,0604
Turnover (estabilidad) 0,007 0,0676 0,0021 0
Turnover (Costos) 0,9985 1,508 0,8815 1,0164

Fuente: Cálculos propios.

264
 265

De acuerdo con los resultados, el retorno más elevado corresponde a la

estrategia de la distribución equiponderada con 0,094, mientras que la menor
variación se encuentra asociada con la técnica de selección de la MINVAR
(1,2806). La ratio de Sharpe siendo consecuente con el mayor nivel de rentabilidad,
se obtiene por medio del portafolio equiponderado (0,0604), aunque el mismo
nivel también lo presenta la MINVAR. El Turnover de estabilidad por su parte,
es de cero en la estrategia 1/N, por el efecto de reasignación nula de recursos
hacia otros títulos entre períodos. Adicionalmente, el menor Turnover (costos)
está asociado con la alternativa de la PIR con 0,8815, implicando de esta manera
menores costos de transacción asociados a su utilización.
En términos de la estrategia benchmark, la MINVAR y la PIR presentan unas
ligeras similitudes respecto a la estrategia equiponderada. Además, un elemento
adicional que cabe anotar es el ajuste progresivo presentado por la estrategia de la
M-V en términos del Turnover, conforme aumenta el tamaño total de la muestra.
Para el caso de las 2.221 observaciones, la PIR a pesar de lograr el segundo
mejor retorno después de la alternativa 1/N, conserva su dinámica de ser una
estrategia con elevado nivel de rentabilidad (0,0792), alta ratio de Sharpe con
0,057 y poco riesgo con un nivel de 1,3901. Además, en términos de Turnover
es una opción muy estable que tiene asociados los menores costos de transacción
entre cada rebalanceo.
B. Comparación entre los diferentes modelos de selección de portafolios
Con el fin de definir las estrategias más adecuadas, se presenta un resumen
donde para los diferentes tamaños muéstrales se seleccionan las estrategias
dominantes en términos de los criterio de selección de portafolios. Los resultados
para esta síntesis son de la forma:

Tabla 6. Comparación entre los diferentes modelos

Número de observaciones diarias en el modelo

Criterios de selección
203 564 1756 2221
Retorno M-V 1/N PIR 1/N
Riesgo 1/N PIR PIR MINVAR
Sharpe Ratio 1/N PIR PIR 1/N
Turnover (estabilidad) 1/N 1/N 1/N 1/N
Turnover (Costos) 1/N PIR PIR PIR

Fuente: Elaboración propia.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Al comparar el desempeño de los diferentes criterios de selección de

portafolios, se observa que para el caso de 203 observaciones, la selección de
una inversión a través de la M-V, genera el mayor beneficio, mientras que la
asignación equiponderada es menos riesgosa, presenta una mayor ratio de Sharpe
y se encuentra asociada a menores costos de rebalanceo entre períodos. Al
aumentar el número de observaciones, es decir, pasar de 203 a 564 observaciones,
la estrategia de la M-V no figura y aparece a su vez la PIR. Cabe anotar, que el
retorno más elevado aparece para la estrategia equiponderada, mientras que la
PIR se encuentra dominando en términos de las demás estrategias el modelo de
564 observaciones.
En el caso del modelo de 1.756 observaciones, la PIR continúa superando
a las demás alternativas, posicionándose como una estrategia de selección de
portafolios dominante. Finalmente, para el modelo de 2.221 observaciones, se
presentan cambios significativos donde la estrategia equiponderada es la que
presenta el mejor comportamiento en términos del retorno y la ratio de Sharpe,
no obstante, cabe resaltar que la PIR conserva su dinámica de estrategia relevante
al tener un comportamiento muy similar al de la estrategia equiponderada.

C. Comparación entre alternativas sin el benchmark (1/N)

Como se definió inicialmente, el objetivo del trabajo de investigación
es incorporar una estrategia novedosa y de fácil implementación que tenga la
posibilidad de ser comparada con otras alternativas, como puede ser el caso
de aquellas que fundamentan su utilización en la estimación de la matriz de
varianzas y covarianzas. Por este motivo, a continuación se presenta, en la tabla
7, un resumen donde se compara la PIR contra los métodos estándar de M-V y la
MINVAR en términos de las variables referencia.

Tabla 7. Comparación entre la PIR, M-V y la MINVAR

Número de observaciones diarias en el modelo
Criterios de selección
203 564 1756 2221
Retorno M-V PIR PIR PIR
Riesgo PIR PIR PIR MINVAR
Sharpe Ratio M-V PIR PIR MINVAR
Turnover (estabilidad) MINVAR PIR PIR PIR
Turnover (Costos) MINVAR PIR PIR PIR
Fuente: Elaboración propia.

266
 267

El modelo con 203 observaciones no es muy concluyente, ya que la M-V es

la estrategia de mayor rentabilidad, la PIR es la menos volátil, mientras que la
MINVAR tiene asociado los menores costos de transacción y de rebalanceo. En
el modelo de 564 y 1.756 observaciones, la PIR se establece como una estrategia
óptima en términos de todos los criterios de selección de portafolios, es decir,
se establece como la decisión eficiente dentro de las diferentes alternativas
planteadas. Finalmente, para el caso de 2.221 datos, la PIR domina en términos
de los turnovers y el retorno, mientras que la MINVAR presenta el menor riesgo
y la mayor ratio de Sharpe.

Conclusiones
De acuerdo con los resultados obtenidos, en términos de las variables
referencia para la selección de portafolios, es decir rentabilidad, riesgo, ratio de
Sharpe, Turnover (estabilidad), y Turnover (costo), la PIR se estableció como
una alternativa realmente útil, que a medida que aumentaba progresivamente
el número de observaciones mejoraba su desempeño en términos de las otras
opciones. De hecho, en términos de riesgo y de ratio de Sharpe para dos de
los cuatro modelos estimados tuvo el mejor desempeño, mientras que en los
otros dos estuvo entre las principales alternativas. Adicionalmente, en términos
del Turnover (costo) la PIR, salvo en el caso de 203 datos, logra un mayor
desempeño, y en términos de retorno, obtiene el mayor valor para el caso de
1.756 datos, aunque en los otros modelos obtiene valores elevados que siempre
validan este método.
Comparando el desempeño de las técnicas que se fundamentan en la
estimación de la matriz de varianzas y covarianzas, frente a las alternativas que no
requieren proceso de optimización, se concluye que el modelo de la PIR así como
la estrategia 1/N superan, salvo en el retorno del modelo de 203 observaciones
así como en el riesgo del modelo 2.221 observaciones, al modelo MINVAR y a la
M-V en términos de las variables referencia para todas las estrategias de selección
de portafolios determinadas.
Finalmente, tomando como referencia los datos provenientes de la Bolsa
de Valores de Colombia, se puede afirmar que la Ponderación Inversa al Riesgo
(PIR) es una estrategia de optimización eficiente, siendo aquella que a través de un
algoritmo de programación logra para la mayoría de los portafolios de inversión
el mejor resultado, en términos de las variables analizadas en el trabajo. Si bien,
la estrategia equiponderada en algunos de los criterios tiene un comportamiento

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

importante, cabe resaltar que dentro de un conjunto de estrategias de inversión

factibles no tiene aplicabilidad práctica, ya que su utilización en este trabajo de
investigación sólo se limita como benchmark a la hora de comparar las diferentes
estrategias de inversión.

Anexo 1

Tabla 8. Acciones que conforman las diferentes estrategias de inversión

203 Observa- 564 Observa- 1.756 Observa- 2.221 Observa-

Portafolios
ciones ciones ciones ciones
Banco de Bogotá X X X X
Bancolombia X X X X
Cartón de Colombia X X X X
Coltejer X X X X
Éxito X X X X
Fabricato X X X X
Grupo Aval X X X X
Paz del Río X X X X
Preferencial Bancolombia X X X X
Interbolsa X X X  
Inversiones Argos X X X  
Mineros X X X  
Nacional de Chocolates X X X  
Tablemac X X X  
Colinver X X X  
Isa X X X  
BVC X X    
Ecopetrol X X    
ETB X X    
Isagen X X    
Cementos Argos X X    
Grupo Sura X      

Fuente: Elaboración propia.

268
 269

• Para el caso de 203 observaciones, las acciones están definidas desde el primero
de junio del 2009, hasta el 31 de marzo del 2010.
• Para el caso de 564 observaciones, las acciones están definidas desde el 28 de
noviembre del 2007, hasta el 31 de marzo del 2010.
• Para el caso de 1.756 observaciones, las acciones están definidas desde el 2 de
enero del 2003, hasta el 31 de marzo del 2010.
• Para el caso de 2.221 observaciones, las acciones están definidas desde el 3 de
enero del 2001, hasta el 31 de marzo del 2010.

Anexo 2
Demostración de proposiciones en la definición de la estrategia de
Ponderación Inversa al Riesgo (PIR).
Proposición 1: Si las rentabilidades son idénticamente
distribuidas, entonces la estrategia PIR es equivalente a la estrategia .
Prueba: son idénticamente distribuidas y  > 0, entonces.
De la expresión (6), para i = 1,...,N

(i)

Proposición 2: Si las rentabilidades son intercambiables14,
entonces la estrategia PIR es la estrategia óptima para el problema de la mínima
varianza.
Prueba: De la proposición 1 y el teorema 8.2.3 de Müller y Stoyan (2002) se
concluye la prueba.
Teorema 1: Sea X1,...,XN variables aleatorias comonótonas y sea  una medida
de riesgo comonótona. Entonces el riesgo de la inversión con la estrategia PIR es
menor que el riesgo de la inversión con la estrategia equiponderada.
Prueba: De la Definición 1 la diversificación en las N variables aleatorias
utilizando la estrategia PIR es dada por

14 La distribución conjunta es invariante ante permutaciones de las variables. (Müller y Stoyan,

2002, p. 27). Caso especial, variables independientes e idénticamente distribuidas.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

(ii)

Al calcular el riesgo de esta diversificación se tiene:

(iii)

por (9)

por (8) y (9)

La diversificación utilizando la estrategia equiponderada es dada por:

(iv)

Al calcular el riesgo de esta diversificación se tiene:

(v)

por (8) y (9)

La estrategia PIR de la Definición 1 supone que  > 0 por lo tanto, de la

desigualdad de Cauchy-Schwarz se verifica que:

(vi)

270
 271

Luego

que implica N 2 ≤

Por lo tanto
(vii)

En consecuencia

Teorema 2: Sea X, Y variables aleatorias con varianza finita y

respectivamente. Sea la covarianza. Entonces la varianza de la inversión
con la estrategia PIR es menor que la varianza de la inversión con la estrategia
equiponderada.
Prueba: Sea la varianza de la diversificación mediante la estrategia PIR.
Denotando por var(•) la varianza (•) y de acuerdo a la Definición 1 se tiene que:

(viii)

Sea la varianza de la diversificación mediante la estrategia Equiponderada

(ix)

Es fácil ver que para todo se verifica

(x)

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010

Puerta, Laniado: Diseño de estrategias óptimas para la selección de portafolios...

Particularmente para el caso y

Multiplicando (x) en ambos lados por la cantidad positiva ,
se verifica

Garantizando que .

Bibliografía
Artzner, Philippe; Delbaen, Freddy; Eber, Jean y Heath, David (1998).
“Coherent Measures of Risk”, Working Paper, pp. 1-24.
Becerra, Oscar y Melo, Luis (2008). “Medidas de riesgo financiero usando
cópulas: teoría y aplicaciones”, Borradores de Economía, No. 489, pp. 1-96.
Beck, Stacie (2001). “Autoregressive Conditional Heteroscedasticity in
Commodity Spot Prices”. Journal of Applied Econometrics, Vol. 16, No. 2,
pp. 115-132.
Better, Marco y Glover, Fred (2006). “Selecting Project Portfolios by Optimizing
Simulations”, The Engineering Economist, Vol. 51, No.2, pp. 81-97.
Cai, Xiaoqiang; Teo, Kok; Yang, Xiaoqi y Zhou, Xun (2000). “Portfolio
Optimization Under a Minimax Rule”. Institute for Operations Research and
the Management Sciencie, Vol. 46, No. 7, pp. 957-972.
DeMiguel, Victor; Garlappi, Lorenzo y Uppal, Raman (2009a). “Optimal Versus
Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?”. The
Review of Financial Studies, Vol. 22, No. 5, pp. 1915-1953.
DeMiguel, Victor y Nogales Francisco (2009). “Portfolio Selection with Robust
Estimation”, Operations Research, Vol. 57, No. 3, pp. 560-577.
DeMiguel, Victor; Garlappi, Lorenzo; Nogales, Francisco y Uppal, Raman
(2009b). “A Generalized Approach to Portfolio Optimization: Improving
Performance by Constraining Portfolio Norms”, Management Science, Vol.
55, No. 5, pp. 798-812.
Föllmer, Hans y Schied, Alexander (2002). “Convex Measures of Risk and
Trading Constraints”, Finance and Stochastics, Vol. 6, No. 4, pp. 429-447.
Föllmer, Hans y Schied, Alexander (2004). Stochastic Finance: An Introduction in
Discrete Time, Berlin, Walter de Gruyter.
García, Alfredo (2001). “Prima de riesgo y volatilidad con un modelo
M-GARCH”; Revista Asturiana de Economía, No. 22, pp. 143-152.

272
 273

Jagannathan, R. Y Ma, T (2003). “Risk Reduction in Large Portfolios: Why

Imposing the Wrong Constraints Helps”, Journal of Finance, No. 58,
pp. 1651-1684.
June, Park; Byung, Ha Lim; Youngho, Lee y Martin, Young (1998). “A
Minimax Porfolio Selection Rule with Linear ProgrammingSolution”.
Management Science, Vol. 44, No. 5, pp. 673-683.
Konno, Hiroshi y Annista, Wijayanayake (1999). “Mean Absolute Deviation
Portfolio Optimization Model Under Transaction Cost”, Journal of the
Operations Research, Vol. 42, No. 4, pp. 422-435.
Konno, Hiroshi y Yamazaki, Hiroshi (1991). “Mean-absolute Deviation
Portfolio Optimization Models and its Applications to Tokyo Stock
Market”, Management Science, Vol. 37, No. 5, pp. 531-519.
Markowitz, Harry (1952). “Portfolio Selection”, Journal of Finance, Vol. 7,
No. 1, pp. 77-91.
Muth, Jhon (1961). “Rational Expectations and The Theory of Price Movements”,
Econometrica, Vol. 29, No. 3,pp. 315-335.
Müller, Alfred. y Stoyan, Dietrich (2002). Comparison Methods for Stochastic
Modelsand Risks, New York, John Wiley & Sons.
Sharpe, William (1964). “Capital Assets Prices: A Theory of Market Equilibrium
Under Conditions of Risk”, Journal of Finance , Vol. 19, No. 3, pp. 425-442.
Tobin, James (1958). “Liquidity Preference as Behavior Toward Risk”. Review of
Economic Studies, No. 67, pp. 65-86.
Yaari, Menahem E (1987). “The Dual Theory of Choice Under Risk”.
Econometrica, No. 55, pp. 95-115.
Zhang, Wei; Xiao, Wei and Wang, Ying (2008). “A Fuzzy Portfolio Selection
Method Based on Possibilistic Mean and Variance”, Soft Computing, Vol. 13,
No. 6, pp. 627-633.

Lecturas de Economía –Lect. Econ.– No. 73. Medellín, julio-diciembre 2010